Hjem
Aktuelt
FORSKNING | INFORMATIKK

Daniel lærer datamaskinen å tenke

Når samtalen blir for kjedelig, kobler Daniel Lokshtanov (32) av med oppgaver datamaskiner ikke klarer å løse. Det har gjort ham til en av Norges fremste algoritme-forskere.

Det jeg liker aller best med algoritmeforskning er at det er den delen av matematikkfaget som minner mest om hjernetrim, sier forsker Daniel Lokshtanov.
HJERNETRIM: - Det jeg liker aller best med algoritmeforskning er at det er den delen av matematikkfaget som minner mest om hjernetrim, sier forsker Daniel Lokshtanov.
Foto/ill.:
Solfrid T. Langeland

Hovedinnhold

– Konen min mener at jeg ikke alltid er den beste samtalepartneren. Det at jeg kobler ut midt i en samtale for å gruble over matematiske formler er kanskje ikke mitt mest festlige trekk, sier Daniel Lokshtanov, forsker i algoritmegruppen ved Institutt for informatikk ved Universitetet i Bergen.

Drives av hjernetrim

32-åringen har allerede markert seg som en av de fremste innenfor algoritmeforskning. Han har over 90 publiseringer på høyt internasjonalt nivå og har fått Meltzerprisen for unge forskere.

Det begynte med informatikk-olympiade på videregående, og etter det har informatikk og særlig den komplekse problemløsingen av algoritmer fulgt ham i tankene døgnet rundt.

– Det er jo mye dødtid i løpet av døgnet, så noe må jeg jo bruke den tiden på. Da ender jeg ofte opp med å gruble over problem som jeg ennå ikke har klart å løse.

En algoritme er en oppskrift for å løse et problem. Uten å tenke over det forholder vi oss hele tiden indirekte til algoritmer. Det er for eksempel algoritmer som sorterer informasjonen for oss på når vi skal bestille en reise på nett og hindrer tog i å kollidere med hverandre. Jakten på algoritmene er en av de største utfordringene innenfor fagfeltet informatikk. 

Hvorfor tror du at nettopp algoritmer ble ditt felt?

– Det er nok det feltet innenfor matematikk som minner mest om hjernetrim og mattenøtter. Det jeg liker ved det er at det er problemstillinger som er lette å formulere, men vanskelige å løse. Det driver meg, sier den unge forskeren.

Som å entre en boksering

Noen oppgaver lar seg løse veldig raskt på en datamaskin, som det å sortere en liste med navn alfabetisk. Andre oppgaver er så kompliserte at datamaskiner gir opp. Det er her algoritmeforskerne kommer inn i bildet. De ser etter struktur og smutthull i datasettet, og dersom algoritmen finner denne strukturen kan datasettet lø­ses raskt.

Forskingsgruppen for algoritmeanalyser og kompleksitetsteori ved Institutt for informatikk ved Universitetet i Bergen består av seks forskere, og har i tillegg noen doktorgradsstudenter.

Algoritmeforskerne jobber med blyant, papir og god gammeldags hjerneaktivitet for å finne løsninger på problem som det ville tatt tusenvis av år for en datamaskin å finne løsningen på.  De får også besøk av algoritmeforskere fra resten av verden og bruker tid på å studere andres resultater.

– Arbeidet kan sammenlignes med å gå ut og inn i en boksering. Den første gangen du går inn klarer du kanskje ikke å løse det, men så kommer du tilbake noen ganger og plutselig er du i mål, illustrerer Lokshtanov.

Han setter stor pris på det dyktige faglige miljøet han er en del av, der det har blitt mottatt flere prestisjetunge forskingsstipend fra Det europeiske forskingsrådet (ERC) og Bergens forskningsstiftelse (BFS).

– Allerede som masterstudent dro jeg nytte av all kunnskapen i dette miljøet. Forskerne her er driftige og vi motiverer hverandre for å finne de beste løsningene sammen og miljøet er lite konkurransepreget. Jeg har fått spesielt mye hjelp av veilederen min Pinar Heggernes, og gleder meg også nå til å jobbe med toppforskeren Mike Fellows som nylig har kommet til Universitetet i Bergen, sier Lokshtanov.

Har fått stort spillerom

Lokshtanov har tidligere fått etableringsstipend på vel 13 millioner kroner fra BFS (Bergens forskningsstiftelse) til det fireårige prosjektet "Beating Hardness by Pre-processing".

– I dette prosjektet jobber vi med problemer som det er bevist at ingen dataprogrammer kan løse effektivt, og så prøver vi å løse dem effektivt likevel. Dette høres vel ut som en selvmotsigelse, men det er ikke det. Vi sitter gjerne der med ett konkret datasett og vet at det ikke finnes et dataprogram som løser alle datasett effektivt. Men det kan jo godt være at akkurat det datasettet vi sitter på lar seg løse. Mer interessant blir det hvis vi forstår hvorfor akkurat dette datasettet lar seg løse, og kan generalisere løsningen til å håndtere så mange ulike datasett som mulig, sier forskeren.

– Dette stipendet var en viktig grunn til at jeg ble værende i akademia, her har jeg fått stort spillerom og fått samarbeide med mange kloke hoder.

Målet er at resultatene av de matematiske modellene skal brukes i praksis i et dataprogram.

– Mye av det vi gjør tar lang tid og foregår på et nivå som ikke er så realitetsorientert, men målet er at modellene vi kommer frem til skal bli brukt i et dataprogram som kan ha samfunnsnytte, påpeker han.

Vanskelig å lage mønster for mennesker

På bordet ligger en enkel notisblokk med formler og kontoret er ellers sparsomt innredet. Tavlen i rommet har imidlertid fått en viktig plass, og her får vi også en pedagogisk gjennomgang fra algoritmenes verden. 

– Undervisning er også viktig for meg, og jeg har stor glede av å følge opp doktorgradsstudenter og holde forelesinger. Det gjør at jeg klarer å sette ord på det jeg jobber med selv og utfordrer meg i arbeidet, sier han.

Som algoritmeforsker ser Daniel algoritmer i alt. I all fysikk og natur som vi omgir oss med.

– Det eneste unntaket må være menneskelig oppførsel, den er det ikke alltid like lett å kalkulere og finne mønster for. Men som algoritmeforskere prøver vi jo å gjøre det også, sier Daniel.